论文部分内容阅读
为了提高神经网络在数码冲印颜色空间转化应用中的收敛效率，设计了一种基于反向传播（BP）神经网络的自适应优化模型．通过等间距分割由曝光实验测得的青、品、黄染料累积色差曲线，构建了在CIE Lab色域空间内分布相对规则的大容量学习样本．基于对网络训练过程中隐含层神经元节点间相关性和离散性的动态分析，合并或删除了冗余的节点结构．根据学习速率对网络收敛效率的影响，引入全局平均误差（GME）作为权值，对学习速率进行即时调整．仿真结果表明，与传统的BP神经网络相比，优化后的神经网络模型收敛成功率显著提高，收敛速度加快